| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 前言 | 第8页 |
| 1.2 RH精炼工艺 | 第8-9页 |
| 1.3 精炼过程钢水温度预报模型的研究现状 | 第9-13页 |
| 1.3.1 钢水温度预报的机理模型 | 第10-11页 |
| 1.3.2 钢水温度预报的智能模型 | 第11-13页 |
| 1.4 课题的目的和意义 | 第13页 |
| 1.5 课题的主要工作 | 第13-16页 |
| 第二章 基于机理模型的影响钢水温度因素研究 | 第16-30页 |
| 2.1 RH炉传感器的分布和传感数据的作用 | 第16-17页 |
| 2.2 RH精炼过程钢水温度变化研究 | 第17-27页 |
| 2.2.1 氧对钢水温度变化的影响 | 第19-20页 |
| 2.2.2 脱碳过程对钢水温度变化的影响 | 第20-21页 |
| 2.2.3 抽真空对钢水温度变化的影响 | 第21页 |
| 2.2.4 加铝对钢水温度变化的影响 | 第21-22页 |
| 2.2.5 合金化对钢水温度变化的影响 | 第22-24页 |
| 2.2.6 非操作因素对钢水温度变化的影响 | 第24-27页 |
| 2.3 本章小结 | 第27-30页 |
| 第三章 钢水温度预报模型输入的研究 | 第30-46页 |
| 3.1 确定神经网络输入的意义 | 第30页 |
| 3.2 机理分析影响钢水温度的主要因素 | 第30-33页 |
| 3.3 回归分析 | 第33-38页 |
| 3.3.1 建立实际问题回归模型的过程 | 第33-34页 |
| 3.3.2 回归方程的显著检验 | 第34-35页 |
| 3.3.3 t检验 | 第35-36页 |
| 3.3.4 逐步回归法 | 第36-38页 |
| 3.4 逐步回归分析影响钢水温度的主要因素 | 第38-43页 |
| 3.4.1 运用Matlab辅助分析影响钢水温度的主要因素 | 第38-40页 |
| 3.4.2 回归分析结果与机理分析结果的比对 | 第40-43页 |
| 3.5 本章小结 | 第43-46页 |
| 第四章 基于神经网络的钢水温度预报模型 | 第46-72页 |
| 4.1 钢水温度预报模型的设计 | 第46-55页 |
| 4.1.1 钢水温度预报模型的设计思路 | 第46-47页 |
| 4.1.2 数据的预处理 | 第47-48页 |
| 4.1.3 确定神经网络的输入 | 第48-49页 |
| 4.1.4 人工神经网络模型 | 第49-52页 |
| 4.1.5 建立基于PSO算法和BP网络的钢水温度预报模型 | 第52-55页 |
| 4.2 仿真实验 | 第55-70页 |
| 4.2.1 确定隐含层神经元数 | 第56-58页 |
| 4.2.2 确定PSO算法各参数 | 第58-61页 |
| 4.2.3 标准PSO算法和改进PSO算法对比 | 第61-64页 |
| 4.2.4 终点时刻钢水温度预报 | 第64-67页 |
| 4.2.5 VCD时刻钢水温度预报 | 第67-70页 |
| 4.3 本章小结 | 第70-72页 |
| 第五章 总结和展望 | 第72-74页 |
| 5.1 总结 | 第72-73页 |
| 5.2 展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 攻读学位期间发表的论文目录 | 第80页 |
| 1.发表的学术论文 | 第80页 |
| 2.参与的项目 | 第80页 |